مطالعه تطبیقی پیشبینی ویژگیهای آب فعال شده پلاسما: شبکه عصبی مصنوعی ) ann ( ورگرسیون بردار پشتیبان ) svr

در ا ین مقاله، کاربرد تکنیک یادگیری ماشین (ml) در پیشبینی ویژگیهای ساختاری آب در معرض تخلیه پلاسما بررسی میشود. برای ا ین منظورخصوصیات ساختاری آب شامل ph و رسانایی الکتر یکی (ec) به صورت تجربی قبل و بعد از قرار گرفتن در معرض پلاسما اندازه گیر ی میشود.محیط تخلیه پلاسما از هوا و آب تشکیل شده است. ولتاژ اعمال شده و مدت زمان اعمال پلاسما به عنوان مت غیرهای عملیاتی در نظر گرفته می شوند. همچنین، رگرسیون برداری پشتیبان (svr) ، به عنوان یک الگور یتم ق وی از یادگیری ماشین (ml) ، بر ر وی داده ها اعمال می شود تا مدلی برای پیشبینی دقیق و یژگیهای آب به عنوان دادههای جد ید آموزش دهد. نشان داده شده است که مقدار ph در ولتاژهای اعمال شده بالاتر و زمان درمان با پلاسما، کاهش می یابد در حالی که ec ، orp ، tds و نمک افزا یش می یابد. همچنین مشخص شد که مدل svr میتواند و یژگیهای اصلی آب را با امتیاز r2 بالای 0.998 پیشبینی کند. نتا یج بهدستآمده توسط svr در پ یشبینی و یژگیهای آب با عملکرد شبکه عصبی مصنوعی (ann) به عنوان یکی د یگر از الگوریتمهای جالب ml مقا یسه م یشود که عملکرد بهتر الگور یتم svr را نسبت به ann نشان میدهد.